-
题名融合结构与纹理特征的壁画缺陷修复
- 1
-
-
作者
李慧
李光亚
吴杰
尉晋宁
-
机构
中北大学信息与通信工程学院
中北大学信息探测与处理山西省重点实验室
-
出处
《电子测量技术》
北大核心
2024年第13期176-182,共7页
-
基金
国家重点研发计划“制造基础技术关键部位”重点专项:子课题“曲面基底高温薄膜传感器研究”(2020YFB2009102)项目资助。
-
文摘
针对现有算法在修复花纹复杂的壁画时存在结构混乱和纹理模糊等缺陷,提出一种融合结构与纹理特征引导的双重生成对抗网络模型。首先将U-Net引入双重生成网络,利用方向和通道双注意力机制提取到的纹理和结构信息分别引导结构、纹理解码器完成对结构与纹理的特征重构,并结合空洞残差块与跳跃连接实现多尺度特征融合提取。其次将两个分支输出的特征图通过双门控特征融合模块深度融合,完成特征信息交互。最后通过联合双判别器对抗完成缺陷修复,增强壁画修复效果的细节丰富度和全局一致性。实验使用自制数据集五台山某处非国宝级真实壁画进行训练及测试,并通过对比实验和消融实验验证,所提算法在峰值信噪比指标上平均提升4.24 dB,结构相似性指标上平均提升3.6%。实验表明该方法可以对受损的壁画进行有效修复,使其呈现出较好的结构、纹理信息,且视觉效果更清晰自然。
-
关键词
壁画修复
结构纹理引导
注意力机制
双门控
特征融合
-
Keywords
mural restoration
structural texture guidance
attention mechanism
double-gating
feature fusion
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TN911
[电子电信—通信与信息系统]
-
-
题名面向低算力设备的改进轻量化语音识别模型
- 2
-
-
作者
李政霖
介婧
柴佳辉
郑慧
武晓莉
-
机构
浙江科技大学自动化与电气工程学院
-
出处
《计算机工程与设计》
北大核心
2025年第10期2969-2977,共9页
-
基金
浙江省基础公益研究计划基金项目(LTGG23F030001)
浙江省教育厅一般科研基金项目(研究生专项:Y202352180)
浙江省尖兵领雁计划基金项目(2022C04012)。
-
文摘
针对语音识别模型在低算力设备上部署难且识别精度低的问题,提出一种改进的轻量化语音识别模型。该模型采用双通道多核卷积结构,以深度残差收缩网络为主要识别单元;引入卷积块注意力模块提高其对通道和空间位置的特征敏感度;结合门控线性单元,提高对长序列语音信息的识别能力;采用非对称卷积策略减少参数量;通过像素注意力引导模块进行特征融合,增强对关键语音信息的捕捉能力。在中文数据集Aishell-1上的实验结果表明,该模型字错误率为12.13%,相较于结果最好的ResNet降低了5.76%,同时其参数量因引入非对称卷积策略降低了40.26%,有效降低了模型的复杂度。
-
关键词
轻量化语音识别模型
双通道多核卷积结构
深度残差收缩网络
卷积块注意力模块
门控线性单元
非对称卷积策略
像素注意力引导模块
-
Keywords
lightweight speech recognition model
dual-channel multi-kernel convolution structure
deep residual shrinkage network
convolutional block attention module
gated linear unit
asymmetric convolution strategy
pixel attention-guide module
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名鬼影卷积自适应视网膜血管分割算法
被引量：6
- 3
-
-
作者
梁礼明
周珑颂
陈鑫
余洁
冯新刚
-
机构
江西理工大学电气工程与自动化学院
江西理工大学应用科学学院
-
出处
《光电工程》
CAS
CSCD
北大核心
2021年第10期49-63,共15页
-
基金
国家自然科学基金资助项目(51365017,61463018)
江西省自然科学基金面上项目(20192BAB205084)
江西省教育厅科学技术研究重点项目(GJJ170491)。
-
文摘
针对视网膜血管分割存在主血管轮廓模糊、微细血管断裂和视盘边界误分割等问题,提出一种鬼影卷积自适应视网膜血管分割算法。算法一是用鬼影卷积替代神经网络中普通卷积,鬼影卷积生成丰富的血管特征图,使目标特征提取充分进行。二是将生成的特征图进行自适应融合并输入至解码层分类,自适应融合能够多尺度捕获图像信息和高质量保存细节。三是在精确定位血管像素与解决图像纹理损失过程中,构建双路径注意力引导结构将网络底层特征图与高层特征图有效结合,提高血管分割准确率。同时引入Cross-Dice Loss函数来抑制正负样本不均问题,减少因血管像素占比少而引起的分割误差,在DRIVE与STARE数据集上进行实验,其准确率分别为96.56%和97.32%,敏感度分别为84.52%和83.12%,特异性分别为98.25%和98.96%,具有较好的分割效果。
-
关键词
视网膜血管
鬼影卷积
自适应融合模块
双路径注意力引导结构
-
Keywords
retinal vessels
ghost convolution
adaptive fusion module
dual-pathway attention guided structure
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
